Основы машинного обучения без учителя с R

Немаркированные данные обладают огромной ценностью, но для получения информации требуется конкретный набор аналитических инструментов и логики. Этот курс познакомит вас с основными принципами обнаружения структуры в данных, где не существует предопределенных категорий. Вы приобретете навыки преобразования необработанных, неорганизованных наборов данных в значимые группы и упрощенные представления. К концу этого курса вы сможете выбирать, внедрять и интерпретировать наиболее распространенные модели обучения без учителя. Что вы узнаете: - Понять основную логику и терминологию обучения без наставника. - Эффективное группирование точек данных с использованием K-средних и иерархического кластеризации. - Уменьшить сложность данных с помощью анализа основных компонентов для повышения эффективности модели. - Применять методы масштабирования и нормализации данных для обеспечения точных результатов. - Оценить качество ваших кластеров с помощью силуэта анализа и других современных метрик. - Практикуем реализацию рабочих процессов распознавания образов с использованием четких примеров кода R. Этот курс предназначен для начинающих, которые хотят получить целенаправленный, текстовый путь к машинному обучению, не нуждаясь в предыдущем опыте в этой области. Этот материал начинается с концептуального обзора структур данных, а затем ведет вас через письменные объяснения механики алгоритма и практические упражнения по кодированию. Начните свое путешествие в обнаружении данных.